今日のひとこと

■[Mahout][機械学習]人工データを作る 22:41

Mahoutというか，その中にはそれっぽいライブラリが見つからなかったのだけど，科学技術計算の実験系で人工データを作りたいときに困ったので作ってみた．

import java.io.Serializable;
import java.util.Random;

import org.apache.mahout.math.DenseVector;
import org.apache.mahout.math.Vector;

public class SyntheticDataGenerator implements Serializable {
	private static final long serialVersionUID = 1L;
	private Random[] randoms;
	private double[] means;
	private double[] stdevs;

	public SyntheticDataGenerator(long seed) {
		means = new double[1];
		means[0] = 0;
		stdevs = new double[1];
		stdevs[0] = 1;
		init(seed, 1, means, stdevs);
	}

	public SyntheticDataGenerator(long seed, int cardinality, double[] means,
			double[] stdevs) {
		init(seed, cardinality, means, stdevs);
	}

	private void init(long seed, int cardinality, double[] means,
			double[] stdevs) {
		if (cardinality != means.length || cardinality != stdevs.length) {
			throw new IllegalArgumentException("Invalid cardinality.");
		}
		randoms = new Random[cardinality];
		for (int i = 0; i < cardinality; i++) {
			randoms[i] = new Random(seed + i);
		}
		this.means = means;
		this.stdevs = stdevs;
	}

	public double nextDouble() {
		return nextDouble(0);
	}

	protected double nextDouble(int i) {
		return randoms[i].nextGaussian() * stdevs[i] + means[i];
	}

	public double[] nextDoubles() {
		double[] values = new double[randoms.length];
		for (int i = 0; i < randoms.length; i++) {
			values[i] = nextDouble(i);
		}
		return values;
	}

	public Vector nextVector() {
		return new DenseVector(nextDoubles());
	}
}

1次元の正規分布に基づく人工データを作りたいときには以下な感じ．

double[] means = new double[1];
double[] stdevs = new double[1];
means[0] = 10; // 平均 10
stdevs[0] = 5; // 標準偏差 5
SyntheticDataGenerator generator = new SyntheticDataGenerator(0, 1, means, stdevs);

あとは，generator.nextDouble() で値を取得していくと指定した分布の乱数が取得できる．そんで，多次元のデータが欲しい場合は，各次元ごとのmeansとstdevsを配列に格納して，generator.nextDoubles() としてやれば配列がとれるし，nextVector()でMahoutのVectorとして取得できる．

ツイートする